Ejemplos de uso de la inteligencia artificial en la planificación de clases

En el marco del curso El ABC para el Diseño de Cursos —que se desarrolló durante octubre de 2024—, se presentan algunos ejemplos de docentes que hicieron el ejercicio de planificar sus clases y compararlas con las respuestas proporcionadas por la inteligencia artificial.

Dichos ejemplos resultan ilustrativos de la importancia de redactar prompts que expliciten todos los elementos que se espera que la herramienta tenga en cuenta.

• Ejemplo 1: Joanna Peluffo
• Ejemplo 2: Horacio Abalos
• Ejemplo 3: Yanina Pastorino
• Ejemplo 4: Valeria Perdomo

Ejemplo 1: Joanna Peluffo

EJERCICIO A

Prompt solicitado a la inteligencia artificial

Actúa como un docente universitario que desea planificar una clase de la asignatura “Innovación para la economía creativa”, que se imparte en el Master en Creatividad, Innovación y Comunicación de la Escuela de Postgrados de la Universidad ORT Uruguay. La clase que quiero que planifiques debe abordar el tema “Oportunidades y desafíos para la integración de la economía creativa en el desarrollo sostenible”.

Plantea una tabla de planificación, teniendo en cuenta los niveles cognitivos más altos, de acuerdo con la Taxonomía de Bloom y utilizando metodologías activas de enseñanza. El formato de la tabla debe contener los objetivos de aprendizaje, los contenidos temáticos, las actividades que deben presentar dinámicas que faciliten la interacción, el debate y el trabajo en grupo, los recursos didácticos y el sistema de evaluación.

La clase dura 3 horas, con un descanso de 15 minutos.

Respuesta de la inteligencia artificial

A continuación, te presento una tabla de planificación de clase utilizando la taxonomía de Bloom y metodologías activas de enseñanza para el tema "Oportunidades y desafíos para la integración de la economía creativa en el desarrollo sostenible". Esta planificación está diseñada para fomentar la interacción, el debate y el trabajo en grupo.

Tiempo	Objetivos de aprendizaje (Taxonomía de Bloom)	Contenidos temáticos	Actividades	Recursos didácticos	Evaluación
0-15 min	Recordar/Comprender: Reconocer conceptos clave relacionados con economía creativa y desarrollo sostenible.	Introducción a la economía creativa y su relación con los ODS.	Clase expositiva con preguntas guiadas.	Presentación visual (PowerPoint) con datos y ejemplos.	Preguntas orales y participación en la discusión.
15-30 min	Comprender/Aplicar: Identificar los principales desafíos para integrar la economía creativa en el desarrollo sostenible.	Desafíos para la integración: barreras institucionales, económicas y culturales.	Debate dirigido: en grupos pequeños, los estudiantes discuten barreras específicas.	Guía de preguntas para el debate, papelógrafo para tomar notas de los grupos.	Observación y participación en el debate.
30-50 min	Analizar: Evaluar ejemplos concretos de integración exitosa de la economía creativa en proyectos sostenibles.	Ejemplos de integración de economía creativa en proyectos sostenibles (casos internacionales y locales).	Estudio de caso: lectura rápida y análisis en grupos sobre un ejemplo de éxito (se entrega un caso).	Lecturas breves (estudios de caso), plantillas para análisis.	Discusión en plenaria, presentación de conclusiones por grupo.
50-65 min	Analizar: Examinar la aplicabilidad de estos ejemplos en otros contextos.	Adaptabilidad de modelos de éxito a diferentes contextos socioeconómicos.	Presentación grupal: los grupos comparten cómo adaptarían el caso estudiado a otros contextos (presentación breve).	Cartulinas, marcadores, diapositivas preparadas por los estudiantes.	Evaluación por pares de las presentaciones.
65-80 min	Crear: Diseñar soluciones creativas para superar los desafíos identificados.	Generación de soluciones creativas para la integración.	Taller grupal: los grupos diseñan propuestas creativas para abordar un desafío particular.	Materiales de brainstorming, plantillas para esquematizar ideas.	Evaluación cualitativa de las ideas propuestas, con retroalimentación grupal.
80-95 min	Descanso de 15 minutos
95-115 min	Evaluar/Crear: Proponer una estrategia de integración a nivel local.	Estrategias para implementar iniciativas creativas sostenibles en el contexto local.	Role play: los estudiantes asumen roles de diseñadores, gestores culturales y autoridades locales para presentar estrategias de integración.	Guion de roles, fichas de evaluación de las estrategias propuestas.	Evaluación colaborativa de los resultados en base a las estrategias planteadas.
115-135 min	Evaluar: Reflexionar sobre las oportunidades y desafíos del proceso creativo en proyectos sostenibles.	Reflexión final sobre el proceso creativo y sus implicaciones.	Cierre y reflexión: discusión abierta con preguntas clave para analizar el proceso vivido.	Presentación con preguntas de reflexión, fichas de autoevaluación.	Autoevaluación y feedback en grupo.

Detalles adicionales:

• Metodologías activas: se utilizan el debate, estudio de caso, presentaciones grupales, trabajo colaborativo, role play y autoevaluación para fomentar la interacción y la reflexión crítica.
• Evaluación: se basa en la participación, la calidad de los aportes en grupo, la presentación de soluciones creativas y una autoevaluación final para asegurar la comprensión de los temas clave.

Este formato facilita la participación activa de los estudiantes, fomenta el pensamiento crítico y les da herramientas para aplicar los conceptos en contextos reales.

EJERCICIO B

Prompt solicitado a la inteligencia artificial

Compara tu planificación (la que acabas de mostrarme como IA) con la que te voy a colocar debajo con el nombre “planificación Joanna”, e indiques lo que tú hiciste mejor y lo que tú hiciste peor, en relación a la mía.

Respuesta de la inteligencia artificial

Comparación entre mi planificación y la planificación “Joanna”:

Aspectos mejores (IA):

1. Estructura detallada y metodologías activas: mi planificación incluye una estructura más detallada de cada actividad, con tiempos específicos, objetivos alineados a la Taxonomía de Bloom y dinámicas de enseñanza que promueven la interacción y el trabajo en grupo. Esto da un enfoque claro a las metodologías activas, como el role play, debates y estudio de casos, y permite evaluar no solo el contenido, sino también la participación activa de los estudiantes en diferentes niveles cognitivos.
2. Uso de diversidad de metodologías: además de las presentaciones y el análisis de casos, en mi planificación he incluido actividades como el role play y autoevaluaciones que fomentan la reflexión y el pensamiento crítico. Estas metodologías permiten una mayor participación de los estudiantes en la creación de ideas aplicables, lo que puede llevar a una experiencia de aprendizaje más enriquecedora.
3. Evaluación en múltiples fases: la evaluación en mi planificación está integrada en varias fases del proceso de aprendizaje, permitiendo un feedback continuo. Se evalúa no solo la presentación grupal, sino también la participación en los debates y la calidad de las propuestas creativas, lo que brinda una mayor riqueza en la retroalimentación.

Aspectos peores (IA):

1. Simplicidad y eficiencia en la planificación (Joanna): la planificación “Joanna” es más directa y menos cargada de actividades, lo que podría hacerla más eficiente para los estudiantes. A veces, un plan más sencillo con menos dinámicas puede permitir una mayor concentración en los temas centrales, especialmente en un contexto de postgrado. Mi planificación podría considerarse demasiado intensa y cargada de actividades para una clase de 3 horas.
2. Foco en el invitado experto (Joanna): la planificación “Joanna” incluye una entrevista con un experto del BID, lo cual ofrece a los estudiantes la oportunidad de interactuar con un profesional en el campo. Esta interacción puede ser altamente valiosa para conectar la teoría con la práctica. Mi planificación no incorpora esta dimensión de conexión directa con expertos externos, lo cual es un punto a favor en la propuesta de “Joanna”.
3. Claridad en los recursos (Joanna): la planificación “Joanna” utiliza recursos más claros y específicos (informes BID, Culture2030Goal, selección de videos) y sugiere materiales concretos y accesibles. En mi planificación, menciono recursos más generales (presentaciones, guías de debate, estudios de caso) que no son tan detallados en cuanto a su origen o calidad, lo que podría limitar la precisión de las herramientas pedagógicas.

Conclusión:

• Lo que hice mejor: mi planificación es más detallada en términos de estructura y uso de metodologías activas, lo que promueve una mayor interacción y reflexión crítica. Se enfoca en la diversidad de actividades y en el uso de la Taxonomía de Bloom para un aprendizaje más profundo.
• Lo que hice peor: la planificación “Joanna” es más simple y efectiva para un contexto de clase de postgrado, integrando un enfoque más directo con recursos bien seleccionados y una interacción valiosa con un experto del campo. Mi planificación podría beneficiarse de ser más concisa e incorporar conexiones con el mundo profesional.

Conclusión de la docente

En el último año, gracias a los cursos y herramientas que el CAES y la Universidad nos han proporcionado, me he sentado a reflexionar sobre cómo la inteligencia artificial (IA) puede transformar las clases en espacios interactivos, dinámicos y centrados en el estudiante. Veo la IA como una herramienta poderosa para optimizar mi forma de enseñar, especialmente en la planificación, ayudándome a identificar áreas que podrían mejorarse o ajustarse basándome en teorías bien fundamentadas.

No obstante, sigo creyendo que nada reemplaza el valor de conocer profundamente a cada grupo de estudiantes. El contacto humano permite identificar qué funciona mejor en cada contexto, ajustar las dinámicas y mejorar clase a clase. La IA me ha brindado herramientas útiles para estructurar, organizar la información y ganar eficiencia en el uso del tiempo, pero la verdadera enseñanza —desde mi humilde punto de vista y cumpliendo el rol de estudiante en otro postgrado en este momento— requiere esa flexibilidad y adaptación personal.

Este curso me ha dado una perspectiva más crítica sobre cómo planificamos las clases hoy en día y la necesidad constante de desafiarnos, para adoptar nuevas formas de enseñanza y enfoques que beneficiarán la experiencia educativa. Estoy entusiasmada por seguir investigando el impacto de la IA en la educación, manteniéndome al día con nuevas herramientas que puedan mejorar aún más el proceso de enseñanza.

Conclusión del CAES

Resulta muy pertinente el prompt inicial, que detalla cada aspecto que se quiere que la inteligencia artificial tome en cuenta, para actuar como “asistente”. La segunda tarea, donde se le pide que compare planificaciones, permite profundizar la reflexión. Se coincide en la idea de que el docente es irreemplazable. No obstante, hay que estar preparado para sacarle el mejor provecho posible a estas herramientas, lo cual va a exigir actualización permanente. 

Ejemplo 2: Horacio Abalos

EJERCICIO A

Prompt solicitado a la inteligencia artificial

Sos un docente universitario de la materia Estructura de Datos y Algoritmos 2, del cuarto semestre de la carrera de Ingeniería en Sistemas. Quiero que planifiques el curso en base al material del curso que te adjunto y que incluye los objetivos de aprendizaje. Quiero que el curso utilice metodologías activas de enseñanza y que lo presentes en forma de tabla. 

Nota: dado que resultó muy extenso el pedido y que no se le había dado toda la información necesaria, el docente resolvió acotar el prompt, e indicar que planificara la primera semana del curso mencionado. Le detalló los temas y volvió a solicitarle que incluyera metodologías activas de enseñanza y una introducción magistral al contenido. También que identificara casos, implemente el código y concluyera con aplicaciones. Finalmente, le indicó las columnas que la tabla debía tener y le comentó que si precisaba más información la tenía que solicitar.

Respuesta de la inteligencia artificial

Tema / subtema	Objetivos de aprendizaje	Actividades de aprendizaje	Materiales / recursos didácticos	Evaluación formativa
Introducción a los árboles AVL	Comprender los conceptos clave de los árboles AVL y la importancia del balanceo automático. Diferenciar AVL de ABB.	Clase magistral interactiva: explicación del concepto de AVL, sus propiedades y comparación con ABB. Los estudiantes participan con preguntas generadoras sobre el balanceo y la eficiencia.	Presentación en formato digital (PPT).  Ejemplos visuales y diagramas.	Preguntas dirigidas: al final de la clase, se evalúa la comprensión mediante preguntas generadoras sobre el uso de AVL y su comparación con ABB.
Escenarios de desbalance en AVL	Identificar los escenarios que generan desbalance en un árbol AVL y cómo corregirlos.	Análisis colaborativo: los estudiantes trabajan en grupos para analizar ejemplos visuales de árboles AVL desbalanceados. Cada grupo propone soluciones para corregir el desbalance e identifica los tipos de rotaciones que deben aplicarse.	Diagramas visuales de árboles AVL.  Simulador interactivo de árboles AVL (opcional).	Exposición grupal: cada grupo presenta los escenarios de desbalance y las soluciones propuestas. Se evalúa la identificación correcta de los tipos de desbalance y rotaciones necesarias.
Implementación de inserciones y rotaciones en AVL	Implementar inserciones y rotaciones en un árbol AVL a nivel de código y evaluar su eficiencia en comparación con ABB.	Codificación en equipo: los estudiantes implementan la inserción de nodos en AVL, aplicando las rotaciones necesarias para mantener el balance. Luego, comparan la eficiencia de su implementación con la de otros equipos.	Laptops con editor de código y entorno de desarrollo.  Plataforma colaborativa de código (GitHub, Google Docs).	Revisión entre pares: los grupos intercambian códigos y realizan una revisión mutua, identificando errores y proponiendo mejoras en la implementación y eficiencia del código.
Aplicaciones prácticas de AVL en problemas reales	Evaluar las aplicaciones de AVL en problemas reales y determinar cuándo es más eficiente usar AVL en lugar de ABB.	Estudio de caso práctico: presentación de un problema del mundo real (como bases de datos o gestión de registros). Los estudiantes, en grupos, proponen cómo resolverlo utilizando AVL y discuten las ventajas frente a ABB.	Documentos de estudio de caso.  Comparativa de AVL y ABB en términos de complejidad.	Discusión final en clase: se evalúa la capacidad de los estudiantes para justificar el uso de AVL frente a ABB en aplicaciones reales, considerando factores como complejidad temporal y eficiencia en memoria.

EJERCICIO B

Prompt solicitado a la inteligencia artificial

El docente le solicita a la inteligencia artificial que compare su planificación con la proporcionada por el docente, destacando aspectos positivos y negativos de una y otra.

Respuesta de la inteligencia artificial

Comentarios de la IAG sobre la tabla propuesta por el docente:

Aspectos positivos:

1. Enfoque progresivo y bien segmentado: tu tabla separa claramente las etapas del aprendizaje de AVL (comprensión, implementación, análisis de eficiencia y aplicaciones), lo que permite a los estudiantes abordar cada parte con claridad antes de pasar a la siguiente.
2. Énfasis en la participación activa durante la clase magistral: al plantear preguntas disparadoras y generar una discusión sobre cuándo y por qué un AVL necesita balancearse, promueve una mayor interacción en la clase magistral, lo que puede captar la atención de los estudiantes.
3. Actividades prácticas bien integradas: las inserciones en AVL y las rotaciones se plantean a través de codificación colaborativa, lo que fomenta el trabajo en equipo y la participación activa.
4. Evaluación constante y dinámica: las actividades incluyen debates y discusión colaborativa sobre la eficiencia, lo cual impulsa el aprendizaje activo y la comprensión crítica de los temas.

Aspectos negativos:

1. Falta de variedad en las actividades: aunque incluye codificación y debates, todas las actividades se centran principalmente en la discusión y codificación. Podrían haberse incorporado actividades más diversificadas como simulaciones o estudios de caso que conecten con situaciones del mundo real.
2. Menos orientación a la evaluación continua del progreso: aunque las actividades fomentan la participación, las evaluaciones formativas dependen mayormente de la discusión, sin un enfoque claro en la autoevaluación o la revisión por pares, lo que podría limitar la retroalimentación efectiva.
3. Escasa claridad en la transición de actividades: aunque cada tema está bien separado, no queda claro si el aprendizaje está ocurriendo de manera progresiva y cómo los estudiantes consolidan los conocimientos entre actividades.

Tabla propuesta por la inteligencia artificial:

Aspectos positivos:

1. Progresión clara y estructurada: cada subtema (concepto de AVL, desbalance, rotaciones, implementación y aplicaciones) está cuidadosamente separado, para que los estudiantes puedan profundizar en cada aspecto de manera gradual. La progresión va desde lo teórico hacia lo práctico, lo que favorece la consolidación del conocimiento.
2. Variedad de actividades: además de las clases magistrales y codificación, incluyo análisis colaborativo de escenarios, simulaciones, estudio de casos reales y discusión sobre aplicaciones prácticas. Estas actividades ofrecen diferentes enfoques para que los estudiantes apliquen los conocimientos, lo que fomenta el desarrollo de habilidades diversas (análisis, resolución de problemas, codificación, y reflexión crítica).
3. Evaluación continua: incorporo autoevaluación, evaluación entre pares y discusiones guiadas, lo que permite a los estudiantes recibir retroalimentación constante. Esto refuerza el aprendizaje activo y fomenta una mayor reflexión sobre el propio progreso.
4. Aplicación a problemas del mundo real: en la fase final, se presentan aplicaciones de AVL mediante un estudio de caso práctico, lo que ayuda a los estudiantes a conectar el conocimiento teórico con escenarios reales, algo fundamental para desarrollar un conocimiento funcional.

Aspectos negativos:

1. Menos preguntas interactivas en la clase magistral: aunque incluye preguntas generadoras, mi propuesta no pone tanto énfasis en la interacción durante la clase magistral, lo cual puede reducir la participación activa en esa fase.
2. Codificación más dispersa: en mi planificación, la codificación se introduce más adelante, luego de explorar varios conceptos, lo cual podría retrasar la práctica inmediata. En tu tabla, se introduce antes, lo que puede ser más atractivo para algunos estudiantes que prefieren la práctica desde el inicio.
3. Posible sobrecarga de actividades: al incluir varios tipos de actividades (análisis colaborativo, codificación, estudio de casos, simulaciones), puede ser un poco más exigente en términos de tiempo y preparación tanto para el docente como para los estudiantes.

Conclusión del docente

Tomo la crítica realizada por la inteligencia artificial, en cuanto a la poca diversidad de actividades de mi planificación. Es un punto que debo revisar y evaluar. Sin embargo, en un curso con tiempo limitado, con la dinámica de la clase y con las diferentes velocidades de los estudiantes para asimilar los conceptos, creo que mi propuesta es más eficiente, ya que prioriza el pasaje rápido de la teoría a la práctica. Justamente, la mayor cantidad de actividades es el punto débil de la planificación realizada por el ChatGPT.

Me inclino por una opción donde se haga foco en las actividades que tienen mayor impacto en la comprensión y aplicación de los conceptos. Luego, existen otras (como el obligatorio) para evaluar si los estudiantes consiguen alcanzar el nivel de análisis de la taxonomía de Bloom.

Por último, entiendo que la planificación realizada por el experto fue muy buena y puede ser un punto de partida para analizarla entre varios docentes.

Conclusión del CAES

Los GPTs son herramientas potentes, que pueden ayudarnos más aún en la tarea de planificar.
En cualquier caso, la instrucción de comparación para ver puntos fuertes y débiles es una muy buena idea. Es interesante proponer algo y hacerlo analizar por la inteligencia artificial, para ver qué dice.

Además, el señalamiento sobre las actividades propuestas por la inteligencia artificial es muy pertinente. El conocimiento del grupo, del contexto de la clase y de la institución son aspectos fundamentales para consolidar cualquier propuesta de planificación. Esto indica que el rol del docente es fundamental a la hora de valorar los aportes de la inteligencia artificial y su función como asistente.

Ejemplo 3: Yanina Pastorino

EJERCICIO A

Prompt solicitado a la inteligencia artificial

Actúa como docente universitario, en el cuarto semestre de la carrera técnica Productor Musical, que imparte el tema “Desarrollo tímbrico-melódico a través de fragmentaciones melódicas”. Te pido que planifiques dos clases de 90 min cada una sobre ese tema.

Además, te pido me propongas un trabajo final que deban realizar los estudiantes sobre el tema “Fragmentaciones melódicas”, correspondiente al curso “Arreglo Musical”. Para ambos casos, te envío los programas del curso donde se explicitan los objetivos de aprendizaje. Te pido que utilices en cada propuesta metodologías activas de enseñanza. Utiliza una temperatura de 0.5.

Respuesta de la inteligencia artificial

Clase 1: Introducción a la Fragmentación Melódica

Objetivo: introducir el concepto de fragmentación melódica y sus tipos (abrupta y suave), y cómo se aplican en el desarrollo tímbrico-melódico.

Actividades:

1. Actividad exploratoria (20 min)
   Pregunta detonadora: “¿Cómo creen que un motivo melódico puede ser reutilizado sin sonar repetitivo?”. Los estudiantes discuten en pequeños grupos y exponen ideas.
2. Mini-clase teórica (15 min)
   Explicación de los conceptos clave: fragmentación abrupta, fragmentación suave y su función en la creación de variaciones melódicas. Uso de ejemplos musicales analizados colectivamente.
3. Análisis colectivo (20 min)
   Audición de dos piezas breves donde se utilicen ambos tipos de fragmentación. Los estudiantes identifican las técnicas de fragmentación melódica y comentan su uso en el desarrollo del tema.
4. Taller colaborativo (30 min)
   En parejas, los estudiantes crean una breve línea melódica, aplicando al menos un tipo de fragmentación. Luego, compartirán su trabajo y recibirán retroalimentación tanto del docente como de sus compañeros.

Tarea: los estudiantes deben seleccionar una canción de su elección y analizar cómo se desarrollan sus ideas melódicas, enfocándose en cualquier tipo de fragmentación melódica.

Clase 2: Fragmentación y Complementariedad Rítmica

Objetivo: profundizar en la relación entre fragmentación melódica y complementariedad rítmica en la creación de arreglos.

Actividades:

1. Revisión y discusión de tareas (30 min)
   Los estudiantes presentan sus análisis, enfocándose en las técnicas de fragmentación. Discusión guiada sobre el impacto rítmico en la variación melódica.
2. Taller práctico (30 min)
   Los estudiantes trabajan individualmente o en grupos pequeños para crear una secuencia melódica con fragmentación melódica, añadiendo una capa rítmica complementaria. Deben justificar las decisiones de fragmentación y cómo esta interactúa con el ritmo.
3. Evaluación entre pares (30 min)
   Los estudiantes comparten sus creaciones y las evalúan mutuamente bajo criterios establecidos en la rúbrica: coherencia melódica, uso de la fragmentación y relación melódico-rítmica.

Tarea: completar el arreglo iniciado en clase, incorporando más fragmentaciones melódicas y explorar cómo se integran dentro de la textura de un arreglo más amplio.

Evaluación final del módulo: los arreglos serán evaluados considerando la creatividad, la técnica de fragmentación, la conducción de voces y la coherencia en el ensamble.

EJERCICIO B

Prompt solicitado a la inteligencia artificial

La docente le solicita a la inteligencia artificial que compare su planificación con la proporcionada por el docente, destacando aspectos positivos y negativos de una y otra.

Conclusión de la docente

En primer lugar, es positivo que la inteligencia artificial haya incluido un detalle sobre los tiempos que espera que cada actividad ocupe. Si bien es algo que tengo en cuenta, no está explicitado en mi la planificación. 

Hay varios puntos en común sobre los pasos a tomar, empezando por el conocimiento que ya tienen los estudiantes, pasando por un breve espacio de exposición sobre la temática y, luego, dando lugar a la práctica. También ambas planificaciones contemplan la evaluación entre pares y el trabajo en la semana, para seguir reforzando lo trabajado en la instancia de clase. 

La pregunta disparadora de la primera clase es mejor que la planteada en mi planificación personal, ya que pone en evidencia ―con mayor claridad― la aplicabilidad de lo que se va a trabajar en este tema del curso. Creo positiva la enorme presencia que tienen las instancias prácticas en la planificación de la inteligencia artificial. Sin embargo, considero importante destinar un poco más de tiempo a trabajar conceptos, ya que en esta planificación no está tan presente el análisis melódico.

Por último, la inteligencia artificial propone actividades que dan lugar también a la creación de melodías. Por un lado, prefiero que los estudiantes trabajen en estas instancias con melodías brindadas por mí. La razón está en que el trabajo es sobre desarrollo melódico y no de composición (y, de este modo, se estarían agregando tareas que no corresponden con la temática). Esto también permite asegurarme de que nadie trabaje con un material que pueda tener errores, que potencialmente induzcan al estudiante a una mala aplicación de las técnicas aprendidas. Por otro lado, al trabajar todos los estudiantes con un mismo material, se puede comparar y observar la variedad de resultados alcanzados. Dicha instancia resulta positiva porque permite vislumbrar el real potencial de estas técnicas. 

Conclusión del CAES

Las reflexiones sobre la propuesta de la inteligencia artificial son muy pertinentes y acertadas, sobre todo en lo que respecta a los puntos de vista críticos y a la evaluación de lo devuelto por la herramienta. Asimismo, el tema del tiempo no es menor, por lo que considerarlo es necesario para una buena planificación.

Ejemplo 4: Valeria Perdomo

EJERCICIO A

Prompt solicitado a la inteligencia artificial

Como docente universitario de la materia “Lógica y Matemática Discreta” del segundo semestre de la carrera de Licenciatura en Sistemas, quiero planificar 3 clases de 2 horas cada una para el tema “Recursión en listas”, utilizando metodologías activas de enseñanza. Teniendo en cuenta que se utiliza programación funcional en Haskell, quiero que realices una tabla de planificación para dicho tema, con las columnas: objetivos de aprendizaje, actividades, recursos y evaluaciones.

Nota: como le devolvió la tabla sin los tiempos para cada actividad, la docente, en la segunda indicación, le pidió que le pusiera el tiempo a cada actividad y el nivel de la taxonomía de Bloom. De esa forma, se obtuvo la siguiente tabla:

Clase	Objetivos de aprendizaje	Actividades	Recursos	Evaluaciones	Tiempo
1	Comprender (nivel 2: Comprensión) el concepto de recursión en listas.	Introducción teórica sobre recursión.	Pizarra y proyector.	Preguntas orales sobre el concepto.	30 min
	Identificar (nivel 2: Comprensión) estructuras de listas en Haskell.	Discusión en grupos sobre ejemplos de listas.	Ejemplos de código en Haskell.	Ejercicio en clase: escribir una función recursiva simple.	20 min
		Actividad práctica: implementar funciones simples.	Entorno de desarrollo Haskell (GHCi).	Revisión de funciones implementadas.	40 min
		Cierre y reflexión sobre el aprendizaje.	Notas de clase.	Feedback informal.	10 min
2	Aplicar (nivel 3: Aplicación) recursión para resolver problemas en listas.	Resolver en grupo problemas prácticos usando listas.	Problemas propuestos en papel o digital.	Evaluación grupal de las soluciones.	30 min
	Desarrollar (nivel 4: Análisis) funciones más complejas usando recursión.	Ejercicio individual: implementar una función más compleja.	Guías de referencia sobre Haskell.	Entrega de la función para revisión.	30 min
		Debate sobre los enfoques de solución.	Recursos en línea (tutoriales, documentación).	Preguntas cortas sobre el material.	20 min
		Cierre de la clase: reflexiones finales.	Notas de clase.	Feedback informal.	10 min
3	Evaluar (nivel 5: Evaluación) y optimizar funciones recursivas.	Taller práctico de optimización de funciones.	Proyector para mostrar ejemplos.	Comparación de soluciones antes y después de la optimización.	30 min
	Comprender (nivel 2: Comprensión) la eficiencia de las funciones recursivas.	Análisis de casos de uso: cuándo usar recursión.	Material de lectura sobre eficiencia algorítmica.	Quiz sobre eficiencia y análisis de complejidad.	20 min
		Presentaciones grupales sobre las optimizaciones realizadas.	Herramientas de evaluación (rúbricas).	Feedback sobre presentaciones y participación.	40 min
		Cierre y reflexiones finales sobre el tema.	Notas de clase.	Feedback informal.	10 min

EJERCICIO B

Prompt solicitado a la inteligencia artificial

Se le solicita a la inteligencia artificial que compare su planificación con la proporcionada por la docente, destacando aspectos positivos y negativos de una y otra.

Respuesta de la inteligencia artificial

• Profundidad: tu planificación muestra un enfoque más estructurado en las evaluaciones y la validación de soluciones, lo que es excelente para asegurar la comprensión profunda de los temas.
• Gamificación: incorporas herramientas como Kahoot!, lo que puede aumentar la motivación y el compromiso de los estudiantes.
• Enfoque en la práctica: ambas planificaciones tienen un buen balance entre teoría y práctica, aunque la tuya parece estar más orientada a la práctica en grupo desde el inicio.

Mi planificación tiene un enfoque estructurado y reflexivo, ideal para fomentar el aprendizaje activo, pero podría mejorar al incorporar más herramientas interactivas y métodos de validación de soluciones. Tu planificación tiene un enfoque más integral en evaluación y uso de recursos interactivos, lo que puede ser muy efectivo para mantener la atención y el compromiso de los estudiantes.

Conclusión de la docente

El resultado es bastante similar con lo que elaboré, pero no es muy detallista en los objetivos o en la parte tecnológica. Sin embargo, agregó el tema de optimización (eso los estudiantes lo ven en la próxima materia de la cátedra). Respecto al tiempo, veo que la suma de las actividades no supera los 100 minutos, teniendo 20 minutos como contingencia, pero creo que hay actividades que deben tener más tiempo (por ejemplo, la introducción). Concuerdo con que la inteligencia artificial nos permite tener un panorama general, una primera aproximación a la planificación, pero requiere ir ajustando los “pedidos” para que la respuesta sea más específica. Y, al igual que la IA se retroalimenta y mejora con cada interacción, nosotros como docentes también debemos hacerlo.

Conclusión del CAES

Muy interesante que se le haya hecho varias solicitudes a la inteligencia artificial, de forma tal que perfeccione las respuestas. Realmente la IA nos va a poder ayudar de muchas maneras si sabemos usar bien los prompts. Esto recién comienza, así que no sabemos con qué nos sorprenderá en unos meses.